Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
Introdução à Álgebra Linear Módulo II (10 aulas) Prof. Flávio Silva 8. Vetores: componentes e operações (representação geométrica, aritmética vetorial, produto escalar, projeções, produto vetorial) 9. Espaços vetoriais euclidianos (espaço euclidiano n-dimensional, transformações lineares de n em m) 10. Espaços vetoriais arbitrários (espaços vetoriais reais, subespaço, combinação linear, dependência e independência linear, bases e dimensão, mudança de base) 1º Semestre de 2009 Data da Avaliação Turma A – 26 de maio. Turma B – 26 de maio. Turma C – 25 de maio. Aulas Turma A – Turma B – Turma C – 8 – VETORES: COMPONENTES E OPERAÇÕES 1 – Introdução Há dois modos de se apresentar a noção de vetor: Lista de números indexados: Por exemplo, a lista das idades de oito pessoas dada por 17, 23, 45, 28, 16, 30, 62 e 35, nessa ordem, pode ser simbolicamente representada por: Onde i1 = 17 é a idade da primeira pessoa, i2 = 23 é a idade da segunda pessoa e assim por diante. Uma lista desse tipo é chamada de tabela linear ou vetor. 3 Vetores na física: - Muitas grandezas físicas como temperatura, massa e corrente elétrica, são representadas apenas por um número real e são denominadas de escalares. - Por outro lado, há grandezas como força, velocidade e campo elétrico que requerem não só um valor numérico, mas também uma direção e um sentido para sua descrição completa. Por exemplo, a figura abaixo mostra um vetor força de mesma intensidade (10 N) provocando efeitos diferentes pelo fato de atuarem em direções e/ou sentidos diferentes. 4 Representação de um vetor No espaço bi-dimensional ou tri-dimensional, os vetores podem ser representados geometricamente por setas: o comprimento da seta é proporcional à magnitude (comprimento) do vetor e a direção e o sentido da seta, indicam a direção e o sentido do vetor. A origem da seta é denominada de ponto inicial e a ponta da seta é denominada de ponto final. 5 5 Vetores com a mesma magnitude, direção e sentido são denominados equivalentes. Definição: Sejam v e w dois vetores quaisquer. A soma de v com w é o vetor v+w determinado da seguinte maneira: posicione o vetor w de tal maneira que seu ponto inicial coincide com o ponto final do vetor v. O vetor v+w é representado pela flecha do ponto inicial de v ao ponto final de w. 6 + + 6 Observe que: O vetor de comprimento zero é denominado vetor nulo ou vetor zero. Denotado por 0. Desta forma, tem-se: . Se v é um vetor não nulo, então –v é o negativo de v, é definido como o vetor de mesma magnitude e direção de v mas de sentido oposto. 7 7 Definição: Sejam v e w dois vetores quaisquer então a diferença de w por v é definida por: . Definição: Sejam v um vetor não nulo e um número real (escalar) k 0. O produto k v é definido como o vetor de mesma direção de v cujo o comprimento é |k| vezes o comprimento de v e cujo o sentido é o mesmo de v se k > 0 e oposto ao de v se k < 0. 8 - - 8 Vetores em sistemas de coordenadas Seja v qualquer vetor no plano e suponha que esteja posicionado com seu ponto inicial na origem de um sistema de coordenadas retangulares. As coordenadas do ponto final de v são chamadas componentes de v. - Vetores com as mesmas componentes são equivalentes pois têm a mesma magnitude, direção e sentido. e são equivalentes se 9 9 - Sejam e vetores quaisquer e k um escalar 10 - Observe que neste gráfico 10 Vetores no espaço tridimensional Da mesma forma que os vetores no plano podem ser escritos por pares de números reais, os vetores no espaço podem ser descritos por ternos de números reais utilizando um sistema de coordenadas retangulares. - Se um vetor v no espaço tridimensional for posicionado com seu ponto inicial na origem de um sistema de coordenadas retangulares, tem-se: 11 11 - Os sistemas de coordenadas retangulares tridimensional dividem se em duas categorias: o de mão direita e o de mão esquerda. O sistema de mão direita tem a propriedade de um parafuso comum, apontado na direção positiva do eixo z, ele avança se o eixo x positivo é girado 90o na direção do eixo y positivo. O sistema é de mão esquerda se o parafuso retroceder. 12 12 Pode acontecer que o vetor não esteja posicionado com seu ponto inicial na origem, conforme a figura abaixo Neste caso, o vetor tem o ponto inicial e o ponto final . A representação do vetor é dada por: 13 13 Exemplo 1 . Considere os pontos A(1,0,3), B(-1,5,7) e C(3,-1,0) pertencentes ao espaço tridimensional . Determine a representação dos vetores , e . Calcule e . a) b) 14 Exemplo 2 . Dado os vetores v e u inscritos em um círculo de raio unitário, determine os componentes de v, u, v+u e v-u vetor v(v1,v2) vetor u(u1,u2) . 15 Translação de eixos A solução de muitos problemas pode ser simplificada pela translação dos eixos coordenados para obter novos eixos paralelos aos originais. Na Figura abaixo foi transladado os eixos de um sistema de coordenadas xy para obter um sistema de coordenadas cuja origem está no ponto . - Equações de translação: 16 16 Exemplo 3 . Suponha que um sistema de coordenadas xy é transladado para um sistema de coordenadas x’y’ cuja origem tem coordenadas xy dadas por (4,1). Encontre as coordenadas x’y’ do ponto com coordenadas xy dadas por P(2,0). Encontre as coordenadas xy do ponto com coordenadas x’y’ dadas por Q(-1,5) . As equações de translação são e portanto as coordenadas x’y’ de P(2,0) são (b) As equações de translação são e portanto as coordenadas xy de Q(-1,5) são 17 2 – NORMA DE UM VETOR; ARITMÉTICA VETORIAL Norma de um vetor O comprimento de um vetor v é muitas vezes denominado norma de v e é denotado por . - caso bidimensional 18 Aplicando o Teorema de Pitágoras, no triângulo OPA, tem-se: 18 - caso tridimensional 19 Aplicando o Teorema de Pitágoras no triângulo OBA, tem-se: No triângulo OPA, tem-se: 19 Definição: Um vetor v é denominado vetor unitário se . Se v é um vetor qualquer não nulo, então é um vetor unitário de mesma direção que v. - O processo de determinação de é denominado de normalização de v. Definição (Vetores Unitários Canônicos) Considere os vetores , e . Estes vetores possuem comprimento unitário e estão sobre os eixos coordenados, sendo denominados vetores unitários canônicos do espaço tridimensional. 20 20 Exemplo 4 . Represente geometricamente o vetor no espaço tridimensional e determine o seu vetor unitário. 21 3 4 -6 Norma do vetor v Vetor unitário de v Aritmética vetorial Teorema (propriedades da aritmética vetorial) Se , e são vetores de um espaço bi ou tridimensional e e são escalares, então valem as seguintes relações: 22 22 Prova do Teorema - A prova será apresentada, considerando vetores no espaço bidimensional, ou seja, , e . 23 23 24 24 3 – PRODUTO ESCALAR; PROJEÇÕES Produto escalar de vetores Sejam e dois vetores não nulos no espaço bi e tridimensional e suponha que estes vetores foram posicionados de tal modo que seus pontos iniciais coincidem. O ângulo determinado pelos vetores satisfaz a seguinte condição . 25 Definição: Se e são vetores no espaço bi e tridimensional e é o ângulo entre e , então o produto escalar 25 Produto escalar em termos das componentes Sejam os vetores e não nulos. Se o ângulo entre e é , conforme a figura, então pela lei dos cossenos tem-se: 26 26 Como , a lei dos cossenos pode ser escrita da seguinte forma: Substituindo tem-se: ângulo entre os vetores, não nulos, e : 27 Produto escalar 27 Exemplo 5. Dado os vetores e , calcule o produto escalar e o ângulo entre os vetores v e w. 28 produto escalar: norma dos vetores ângulo entre os vetores: 3 4 -6 2 -5 1 Teorema Sejam e vetores no espaço bi ou tridimensional . ; ou seja, Se os vetores e são não nulos e é o ângulo entre eles, então é agudo se e somente se, é obtuso se e somente se, é reto se e somente se, 29 Prova do Teorema Como o ângulo entre os vetores e é 0, tem-se Como , e , o termo tem o mesmo sinal que . 29 Teorema (propriedades do produto escalar) Sejam , e vetores no espaço bi ou tridimensional e um escalar, então : 30 Prova do ítem (c) do Teorema Sejam os vetores e , então Analogamente, - Os demais itens ficam como exercício. 30 Exemplo 6. Dado os vetores e , determine o valor do coeficiente a para que os vetores sejam ortogonais . 31 produto escalar: - Vetores ortogonais: Exemplo 7. Considere os vetores v e w no espaço tridimensional, sendo e . O ângulo entre os dois vetores é de 60o, calcule o produto escalar entre v e w. II. Projeções Em muitas aplicações é de interesse ‘decompor’ um vetor v na soma de dois componentes, um vetor paralelo a um vetor não nulo especificado a e outro perpendicular ao vetor a. Observe que O vetor w1 é denominado projeção ortogonal de v sobre a, ou componente vetorial de v ao longo do vetor a, denotado por: O vetor w2 é denominado componente vetorial de v ortogonal ao vetor a, denotado por: 32 32 Teorema Se e são vetores no espaço bi ou tridimensional e se , então (componente vetorial de ao longo de ) (componente vetorial de ortogonal a ) 33 Prova do Teorema Sejam e . Como w1 é paralelo a , deve ser múltiplo escalar de , e portanto pode ser escrito na forma . Então: Mas , pois w2 é perpendicular a ; portanto: Como , obtém-se: 33 34 Exemplo 8. Dado os vetores e . Determine: a) o componente vetorial de v ao longo de w e b) o componente vetorial de v ortogonal a w. a) b) 4 – PRODUTO VETORIAL Definição: Se e são vetores no espaço tridimensional, então o produto vetorial é o vetor definido por Teorema (Propriedades do produto vetorial) Se u, v e w são vetores no espaço tridimensional e é um escalar qualquer, então: 35 35 Prova do Teorema O produto vetorial entre u e v é dado por Trocando-se u com v , troca-se as linhas do determinante e portanto troca o sinal do produto vetorial. Desta forma, . As provas das demais partes são deixadas como exercícios. 36 Teorema (Relações entre os produtos escalar e vetorial) Se u , v e w são vetores no espaço tridimensional, então: 36 Prova do Teorema Sejam e . Então: (c) As provas das demais partes são deixadas como exercícios 37 37 Definição: Se u,v e w são vetores no espaço tridimensional, então é chamado produto misto de u,v e w. - O produto misto de , e pode ser calculado a partir da fórmula 38 Exemplo 9. Dado os vetores e . a) Determine o produto vetorial e 38 39 verifique se os produtos vetoriais calculados e são perpendiculares aos vetores v e w. - O produto vetorial é ortogonal a ambos v e w. - O produto vetorial é ortogonal a ambos v e w. 40 OBSERVAÇÃO Se u e v são vetores não nulos, pode ser mostrado que o sentido de Pode ser determinado usando a “a regra da mão direita”: seja o ângulo entre u e v e suponha que u é girado pelo ângulo até coincidir com v. Se os dedos da mão direita se fecharem apontando o sentido desta rotação, então o polegar indica (aproximadamente) o sentido de 41 Exemplo 10. Dado os vetores , e . Calcule o produto misto e . 9 – ESPAÇOS VETORIAIS EUCLIDIANOS 1 – Espaço Euclidiano n-dimensional Definição: se n é um inteiro positivo, dizemos que uma sequência de números reais é uma n-upla ordenada. O conjunto de todas as n-uplas ordenadas é chamado o espaço n-dimensional e denotado por . Quando n=1 , cada n-upla ordenada consiste simplesmente de um número real. Desta forma, tem-se o como o conjunto dos números reais. Quando n=2 ou n=3 é usual usar os termos par ordenado e terno ordenado, respectivamente, em vez de 2-upla e 3-upla. 42 43 Observação Uma n-upla ordenada pode ser interpretada geometricamente tanto como um ponto generalizado quanto um vetor generalizado. As Figuras (a) e (b) ilustram o caso considerando n=3. Observe que o terno ordenado pode ser interpretado como um ponto no espaço tridimensional neste caso a1, a2 e a3 são as coordenadas , vide Figura (a). A Figura (b) ilustra o caso em que o terno ordenado é interpretado como um vetor, caso em que a1, a2 e a3 são as componentes de um vetor. Definição: Dois vetores e em são ditos iguais se . A soma é definida por e se α é um escalar qualquer, o múltiplo escalar αv de v é definido por . As operações de adição e multiplicação por escalar definidas acima, são denominadas operações padrão. Se é um vetor qualquer de , então o negativo (ou inverso aditivo) de u é denotado por –u e definido por A diferença de vetores em é definida por ou em termos de componentes, 44 44 Teorema (Propriedades de vetores em ) Se , e são vetores no e α e β são escalares, então: 45 Prova do Teorema Sejam , e vetores no 45 Definição: Se e são vetores quaisquer em , então define o produto interno euclidiano de u e v. 46 As provas das demais partes são deixadas como exercícios Teorema (Propriedades do produto interno Euclidiano) Se u, v e w são vetores em e α é um escalar, então: 46 Prova do Teorema Sejam , e As provas das demais partes são deixadas como exercícios 47 Norma e distância no espaço Euclidiano n-dimensional A norma euclidiana (ou o comprimento euclidiano) de um vetor em por A distância euclidiana entre os pontos e do é definida por 47 Teorema (Propriedades do comprimento em ) Se , e são vetores no e α é um escalar, então: 48 Prova do Teorema Sejam e vetores no 48 Teorema (Propriedades da distância em ) Se , e são vetores no , então: 49 Prova do Teorema Definição: Dois vetores u e v em são ortogonais se . 49 Exemplo 11 . Considere os vetores e . Determine uma relação entre as componentes de v de tal forma que os vetores sejam ortogonais. Dê um exemplo de um vetor v ortogonal a u. 50 Exemplo de um vetor v ortogonal a u : Faz-se e calcule a componente v4 , então: O vetor é ortogonal a u. Notações alternativas para vetores em . Muitas vezes é útil escrever um vetor de em notação matricial como uma matriz-linha ou uma matriz-coluna. EXPRESSÃO MATRICIAL PARA O PRODUTO ESCALAR Sejam os vetores , o produto escalar, em notação matricial é dado por: 51 A multiplicação matricial do ponto de vista do produto escalar Considere as matrizes de ordem mxr e de ordem rxn. A ij-ésima entrada do produto matricial é que é o produto escalar do i-ésimo vetor linha de A com o j-ésimo vetor coluna de B. Portanto, se r1, r2, ..., rm são os vetores linha de A e se c1, c2, ..., cn são os vetores coluna de B , o produto matricial AB pode ser escrito por 52 2 – Transformações Lineares Funções de em Função é uma regra que associa a cada elemento de um conjunto A um, e exatamente um, elemento de um conjunto B. Se f associa o elemento b ao elemento a então escreve-se b=f (a). - Duas funções f1 e f2 são consideradas iguais e escreve-se f1 = f2 se ambas têm o mesmo domínio e f1 (a) = f2 (a) para qualquer a do domínio. 53 - b é a imagem de a por f f (a) é o valor de f em a O conjunto A é o domínio de f O conjunto B é o contradomínio de f 53 Funções de em Se o domínio de uma função f é o e o contradomínio é o , então escreve-se e f é denominada uma aplicação ou transformação de em . Neste caso diz-se que a função leva ou aplica em . No caso em que n=m, a transformação é denominada um operador do . 54 Exemplo . Uma função associa vetores com vetores 54 Transformações lineares de em Considere o conjunto de equações Observe que estas m equações associam um único ponto em a cada ponto em e portanto definem uma transformação de em . Denotando esta transformação por T, tem-se com . - No caso especial em que o conjunto de equações são lineares, a transformação definida por estas equações é denominada transformação linear (ou um operador linear se m=n). 55 55 Assim, uma transformação linear é definida por equações da forma ou então, em notação matricial ou A matriz é denominada matriz canônica da transformação linear T e a transformação T é chamada multiplicação por A. Notação: 56 56 Teorema (Propriedades de Transformações lineares) Uma transformação é linear se, e somente se, as seguintes relações valem para todos os vetores u e v em e qualquer escalar 57 Prova do Teorema Suponha uma transformação linear T e A sua matriz canônica. Utilizando propriedades aritméticas de matrizes, tem-se: e Se 0 é a matriz nula mn, então: . Essa transformação é denominada de transformação nula. Se I é a matriz identidade nn, então: . Neste caso, o operador é o operador identidade. 57 Os operadores lineares mais importantes de e estão os que produzem reflexões, projeções e rotações. Reflexões Considere o operador que aplica cada vetor na sua imagem simétrica em relação ao eixo y. Seja o vetor , observando o gráfico tem-se em formato matricial . - T é um operador linear com a matriz canônica 58 58 59 - Reflexões no 60 - Reflexões no Projeções Considere o operador que aplica cada vetor na sua projeção ortogonal sobre o eixo x. Seja o vetor , observando o gráfico tem-se em formato matricial - T é um operador linear com a matriz canônica 61 61 62 - Projeções no 63 - Projeções no Rotações Um operador que gira cada vetor em por um ângulo fixado θ é denominado rotação em Seja o vetor , observando o gráfico e utilizando uma trigonometria básica tem-se: então Aplicando identidades trigonométricas em formato matricial : 64 64 65 - Rotações no Dilatações e Contrações Se k é um escalar não negativo, então o operador de ou é denominado uma homotetia de razão k ; especificamente, o operador é uma contração de razão k se 0 k 1 e uma dilatação de razão k se k 1 - No 66 66 67 - No Composição Sejam e transformações lineares. Deno-mina-se aplicação composta de com , e se representa por , à transformação linear . A matriz canônica da transformação composta é o produto das matrizes canônicas de TB e TA . 68 10 – ESPAÇOS VETORIAIS 1 – DEFINIÇÃO E EXEMPLOS Seja um conjunto V, não vazio, sobre o qual estão definidas as operações de adição e multiplicação por escalar, isto é: O conjunto V com estas duas operações é denominado espaço vetorial se forem verificados os seguintes axiomas: A) Em relação à adição: 69 B) Em relação à multiplicação por escalar : Os elementos de um espaço vetorial V são denominados vetores. Observação: Se na definição acima, os escalares pertencerem ao conjunto dos números reais, o espaço V será um espaço vetorial real. Caso os escalares sejam números complexos, V será um espaço vetorial complexo. 70 Exemplo 12 . O conjunto é um espaço vetorial com as operações de adição e multiplicação por um número real assim definidas: - Essas operações são denominadas operações usuais . Para verificar os oitos axiomas de espaço vetorial, considere 71 72 73 Exemplo 13. O conjunto , de todas as matrizes de ordem 2 com elementos reais , é um espaço vetorial com as operações de adição e multiplicação por um número real assim definidas: 74 Exemplo 14. O conjunto V de funções reais, definidas na reta real (-,), é um espaço vetorial com as operações de adição e multiplicação por um número real assim definidas: 75 76 2 – PROPRIEDADES DOS ESPAÇOS VETORIAIS Da definição de espaço vetorial V, decorrem as seguintes propriedades: Existe um único vetor nulo em V (elemento neutro da adição). Cada vetor admite apenas um simétrico . Para quaisquer , se , então . Qualquer que seja , tem-se: , isto é, o oposto de é . Quaisquer que sejam , existe um e somente um x, tal que . 77 Qualquer que seja , . O primeiro zero é o número zero o segundo é o vetor zero. Qualquer que seja , implica Qualquer que seja , . Quaisquer que sejam e . 77 78 3 – SUBESPAÇOS VETORIAIS Um subconjunto S, não vazio, de um espaço vetorial V, é um subespaço vetorial de V se forem satisfeitas as seguintes condições: Para quaisquer Para quaisquer . - Todo espaço vetorial admite, pelo menos, dois subespaços: o conjunto , denominado de subespaço zero ou subespaço nulo e o próprio espaço vetorial V. Exemplo 15 . Sejam e ou , isto é, S é o conjunto dos vetores do plano que têm a segunda componente igual ao dobro da primeira. - Observe que S , pois . Para verificar as condições I e II, considere , e , pois a segunda componente do somatório é igual ao dobro da primeira , pois a segunda componente do produto é igual ao dobro a primeira. - Portanto S é um subespaço vetorial de . 79 Exemplo 16. Sejam e ou . Para verificar as condições I e II, considere e . Portanto S não é um subespaço vetorial de . 80 Observe que . Portanto a reta S não passa pela origem, então S não é subespaço vetorial de . Exemplo 17. Sejam e . Para verificar as condições I e II, considere , e - S é um subespaço vetorial de M2,2. 81 82 4 – COMBINAÇÃO LINEAR DE VETORES Sejam os vetores do espaço vetorial V e os escalares . Qualquer vetor da forma é uma combinação linear dos vetores . Exemplo 18. No espaço vetorial , o vetor é uma combinação linear dos vetores e porque: . 83 Exemplo 19 . Escreva o vetor como combinação linear dos vetores e . Pretende-se que: , sendo a1 e a2 escalares a determinar. Deve-se ter: Pela condição de igualdade de vetores, tem-se o sistema cuja solução é: a1 = 2 e a2 = -3. Portanto: 84 Exemplo 20. Mostre que o vetor não é uma combinação linear dos vetores e . Pretende-se mostrar que não existem escalares a1 e a2 , tais que: Utilizando procedimento análogo ao do problema anterior Pela condição de igualdade de vetores, tem-se o sistema que é incompatível, não admite solução. Portanto, não existem escalares a1 e a2 Deve-se ter: Pela condição de igualdade de vetores, tem-se o sistema cuja solução é: a1 = -3, a2 = 1 e k = 13. Para k=13 tem-se que 85 Exemplo 21. Determine o valor de k para que o vetor seja combinação linear dos vetores e . De fato, se e são dois quaisquer vetores de S, pode-se escrever: . . Isto é, e por serem combinações lineares de . Logo, S é um subespaço vetorial de V. 5 – SUBESPAÇO VETORIAL GERADO Sejam V um espaço vetorial e o conjunto , . O conjunto S de todos os vetores de V que são combinações lineares dos vetores de A é um subespaço vetorial de V. 86 O subespaço S diz-se gerado pelos vetores , ou gerado pelo conjunto A e se representa por ou ou . Os vetores são chamados geradores do subespaço S, e A é o conjunto gerador de S. Todo conjunto gera um subespaço vetorial de V, podendo ocorrer que , caso em que A é o conjunto gerador de V. 87 Exemplo 22. Os vetores e geram o espaço vetorial , pois qualquer par é uma combinação linear de e . 88 Exemplo 23. Os vetores e do geram o subespaço vetorial , pois: Isto é, S é o plano x0y. 89 Exemplo 24. Verificar se o conjunto gera o . Para que o conjunto A gere o é necessário que qualquer vetor seja uma combinação linear de v1 e v2, isto é, devem existir números reais a1 e a2, tais que: Dessa igualdade resulta o sistema: cuja solução é Então 90 Exemplo 25. Verificar se o conjunto gera o . Para que o conjunto A gere o é necessário que qualquer vetor seja uma combinação linear de v1 , v2 e v3 isto é, devem existir números reais a1, a2 e a3 tais que: Dessa igualdade resulta o sistema: cuja solução é Por exemplo se , tem-se: e . Então 6 – DEPENDÊNCIA E INDEPENDÊNCIA LINEAR Sejam V um espaço vetorial . O conjunto A é linearmente independente (LI) ou os vetores são LI se a equação admitir solução trivial única . Se existirem soluções , diz-se que o conjunto A é linearmente dependente (LD) ou que os vetores são LD. 91 Os vetores são LD se e somente se um deles for uma combinação linear dos outros. 92 93 Exemplo 26. No espaço vetorial os vetores , e são LD. - A equação , admite como solução . Dessa igualdade resulta o sistema: cuja solução é Por exemplo se , tem-se: e . Então, os vetores são LD. 94 Exemplo 27. No espaço vetorial os vetores e são LI. - A equação , admite como solução . Dessa igualdade resulta o sistema: cuja solução é Então, os vetores são LI. 7 – BASE E DIMENSÃO Um conjunto é uma base do espaço vetorial V se I. B é LI. II. V=ger(B), B gera V. Se V é um espaço vetorial e possui uma base com n vetores, V tem dimensão n. A dimensão de V se indica por dimV=n. 95 Exemplo 28. é base do , denominada base canônica. O espaço gerado possui dimensão 2. . B é LI . 96 Exemplo 29. é base do e dim( )=2 . e , portanto B é LI. . 97 Exemplo 30. é uma base para o espaço vetorial Pn dos polinômios da forma . . , portanto S é LI. . , é uma combinação linear dos elementos de S, portanto Pn= ger(S) dim(Pn) = n. 98 Exemplo 31. Verifique se os vetores , e geram o espaço vetorial . . São LD Observe que Os vetores não formam uma base do espaço vetorial . 99 7.1 – Propriedades relativas à Base e à Dimensão Qualquer conjunto LI de um espaço vetorial V é base do subespaço por ele gerado. Se for uma base de um espaço vetorial V, todo conjunto com mais de n vetores de V é LD. Duas bases quaisquer de um espaço vetorial têm o mesmo número de vetores. Se é uma base de um espaço vetorial V, qualquer vetor se exprime de maneira única como uma combinação linear dos vetores de B. 100 Se V é um espaço vetorial tal que dimV=n e S é um subespaço vetorial de V, então dimV n. A dimensão de um subespaço vetorial pode ser determinada pelo número de variáveis livres de seu vetor genérico. Exemplo 32. Determine a dimensão do subespaço Isolando z (ou x ou y) na equação de definição, tem-se: onde x e y são variáveis livres. Para qualquer vetor tem-se: Então, todo vetor de S é uma combinação linear dos vetores v1 = (1,0,-2) e v2 = (0,1,-1). Como v1 e v2 são LI, o conjunto é uma base de S e, portanto dimS = 2. 8 – MUDANÇA DE BASE Sejam as bases e de V. Dado um vetor , este será combinação linear dos vetores das bases A e B : ou ou, ainda, e ou ou, ainda, 101 Os vetores da base A podem ser escritos em relação à base B, isto é: então ou 102 Comparando as equações e , tem-se: , ou na forma matricial: A equação matricial anterior pode ser escrita da seguinte forma onde é a matriz de mudança de base de A para B. Para transformar vb em va, tem-se: , uma vez que a matriz M é inversível. Desta forma, M-1 é a matriz de mudança de base B para a A. 103 Determinação da matriz de mudança de base O sistema permite a seguinte notação matricial: Fazendo , , e tem- se: observe que e 104 Portanto: - propriedades da matriz transposta: ou - Como B é uma matriz inversível, tem-se: propriedades da matriz inversa: ou M é a matriz de mudança de base de A para B. M-1 é a matriz de mudança de base de B para A. 105 Exemplo 33. Considere as seguintes bases do : e . Determine as matrizes de mudança de base de A para B e de B para A. do enunciado tem-se as matrizes: e matriz de mudança de base de A para B é dada por: - inversa de uma matriz (2x2): 106 matriz de mudança de base de B para A é dada por: ou 107 Exemplo 34. Considere as seguintes bases de : e . Determine as coordenadas de um vetor arbitrário em relação à base . Determine a matriz P de mudança de base de S1 para S2. Vetor v escrito como combinação linear dos vetores que formam a base S1: . Deseja-se determinar as incógnitas x e y. portanto 108 b) Utilizando o resultado do item (a), , represente os vetores v1 e v2 como combinação linear de u1 e u2. - P é a matriz cujas colunas são as coordenadas de v1 e v2 em relação à base S1 .
Compartilhar